Applied AI, Edge AI & Computer Vision

APPLIED AI • EDGE AI • COMPUTER VISION

Applied AI bagi saya bukan sekadar menjalankan model machine learning, tetapi menggunakan artificial intelligence untuk menyelesaikan kebutuhan nyata pada sistem monitoring, keselamatan, inspeksi, klasifikasi dan pengambilan keputusan berbasis data. Fokus utama saya berada pada Computer Vision dan Edge AI yang dapat dijalankan dekat dengan sumber data menggunakan perangkat seperti Raspberry Pi.

Implementasinya mencakup pengolahan citra dengan OpenCV, object detection menggunakan YOLO, deployment model TensorFlow Lite, camera inference pada edge device, integrasi hasil deteksi ke GPIO, relay, alarm, database, dashboard maupun server sehingga AI menjadi bagian dari alur sistem end-to-end.

Computer Vision YOLO OpenCV TensorFlow Lite Raspberry Pi Edge AI Object Detection GPIO / Relay

ENGINEERING FOCUS

Applied AI yang Saya Kerjakan

AI digunakan sebagai intelligence layer yang terhubung dengan camera, edge device, application dan control system, bukan berdiri sendiri sebagai eksperimen model.

Computer Vision

Mengolah data visual dari camera untuk object detection, classification, counting, monitoring kondisi dan ekstraksi informasi yang dapat digunakan oleh sistem.

Edge AI Inference

Menjalankan inference pada perangkat edge seperti Raspberry Pi agar keputusan dapat dilakukan dekat dengan sumber data dengan latency lebih rendah dan ketergantungan cloud yang lebih kecil.

AI-to-System Integration

Menghubungkan hasil deteksi AI ke GPIO, relay, buzzer, alarm, database, dashboard atau server agar hasil inference menghasilkan aksi nyata pada sistem.

AI SYSTEM ARCHITECTURE

Arsitektur Edge AI & Computer Vision End-to-End

Arsitektur berikut menunjukkan alur umum dari camera dan image acquisition hingga inference, decision, action dan integrasi ke server.

Camera / SensorVisual data acquisition
Image ProcessingOpenCV preprocessing
AI ModelYOLO / TensorFlow Lite
Edge DeviceRaspberry Pi inference
Detection ResultClass, confidence & event
Decision LogicThreshold & system rule
Local ActionGPIO, relay, buzzer & alarm
Data LoggingEvent & historical record
Server / DashboardMonitoring & reporting
MaintenanceModel update & system lifecycle

Model AI hanyalah salah satu komponen. Kualitas sistem juga ditentukan oleh camera placement, pencahayaan, preprocessing, threshold, hardware performance, integrasi output, data logging dan maintenance.

CORE TECHNOLOGY

Teknologi Utama Applied AI & Edge AI

Teknologi dipilih berdasarkan kebutuhan inference, resource edge device, jenis data, latency dan bagaimana output AI akan digunakan oleh sistem.

YOLO Object Detection

Model computer vision untuk mendeteksi object, class dan lokasi object secara real-time atau near real-time.

  • YOLO
  • Detection
  • Bounding Box

OpenCV

Image processing, camera acquisition, preprocessing, visualization dan pipeline computer vision.

  • OpenCV
  • Image Processing
  • Camera

TensorFlow Lite

Deployment model yang lebih ringan untuk perangkat dengan resource terbatas dan kebutuhan inference di edge.

  • TensorFlow Lite
  • Edge Model
  • Inference

Raspberry Pi

Single-board computer untuk menjalankan camera, Python application, local inference dan integrasi GPIO.

  • Raspberry Pi
  • Python
  • GPIO

Python

Bahasa utama untuk computer vision pipeline, model inference, data processing dan system integration.

  • Python
  • NumPy
  • Application Logic

GPIO, Relay & Alarm Integration

Mengubah hasil inference menjadi local action seperti alarm, relay trigger, indicator maupun event ke server.

  • GPIO
  • Relay
  • Buzzer

MODEL WORKFLOW

Alur Pengembangan Applied AI

Implementasi AI dimulai dari problem definition dan data, bukan dari memilih model terlebih dahulu.

01

Problem & Data Definition

Menentukan object, kondisi, event, angle camera dan data yang benar-benar relevan dengan kebutuhan sistem.

02

Training & Evaluation

Menyiapkan dataset, melatih model, mengevaluasi hasil dan memilih konfigurasi yang sesuai dengan target implementasi.

03

Edge Deployment & Integration

Menjalankan model pada edge device dan menghubungkannya dengan local action, dashboard atau backend system.

IMPLEMENTATION AREAS

Area Implementasi Applied AI

Computer Vision dan Edge AI dapat digunakan ketika sistem membutuhkan interpretasi visual, klasifikasi atau keputusan otomatis yang sulit dilakukan hanya dengan sensor konvensional.

01

Safety Monitoring

Deteksi kondisi keselamatan, kepatuhan atau penggunaan perlengkapan kerja dari camera.

02

Object Detection

Mendeteksi manusia, kendaraan, barang atau object tertentu untuk monitoring dan automation.

03

People Counting

Menghitung object atau manusia dari video stream untuk occupancy dan traffic monitoring.

04

Visual Classification

Mengklasifikasikan object atau kondisi visual menggunakan model machine learning.

05

Edge Decision System

Menjalankan inference dan decision logic langsung pada perangkat edge tanpa menunggu cloud.

06

AIoT Integration

Menggabungkan AI, camera, IoT communication, server, database dan dashboard dalam satu sistem.

SELECTED IMPLEMENTATIONS

Implementasi yang Merepresentasikan Applied AI

Implementasi berikut menunjukkan bagaimana model AI digunakan bersama camera, edge computing dan output fisik atau backend system.

01

Safety Monitoring

AI Safety Monitoring with Edge Computer Vision

Camera dan model computer vision digunakan untuk mendeteksi kondisi keselamatan, kemudian menghasilkan alarm atau event melalui Raspberry Pi dan GPIO.

  • YOLO
  • OpenCV
  • Raspberry Pi
  • GPIO
02

Object Detection

Edge Object Detection & Monitoring

Model object detection berjalan pada edge device untuk mengenali object tertentu dan mengirimkan hasilnya ke local application atau monitoring system.

  • YOLO
  • Python
  • Camera
  • Edge AI
03

AIoT

Computer Vision to IoT / Server Integration

Hasil inference diintegrasikan dengan server, data logging atau dashboard sehingga event AI dapat dicatat, dimonitor dan digunakan sebagai bagian dari workflow sistem.

  • OpenCV
  • MQTT / HTTP
  • Server
  • Dashboard

ENGINEERING APPROACH

Prinsip dalam Membangun Sistem Applied AI

Sistem AI yang baik tidak hanya dinilai dari akurasi model, tetapi dari seberapa konsisten sistem bekerja pada kondisi nyata dan seberapa jelas outputnya dapat digunakan.

Start from Real Data

Dataset, camera angle, pencahayaan dan variasi kondisi harus mewakili lingkungan implementasi agar model tidak hanya bekerja baik pada data uji.

Design for the Edge

Model, resolusi, frame rate dan pipeline dipilih sesuai kemampuan hardware agar latency, performa dan stabilitas sistem tetap realistis.

Integrate the Decision

Hasil model harus diterjemahkan menjadi event dan action yang jelas—alarm, relay, logging atau notifikasi—agar AI memberikan nilai pada sistem.

TECHNICAL CONTENT

Artikel Teknis Applied AI & Computer Vision

Technical content akan diarahkan pada YOLO, OpenCV, TensorFlow Lite, Raspberry Pi, Edge AI, object detection, people counting dan AIoT integration.

Applied AI

Cluster artikel Applied AI sedang dikembangkan

Artikel pendukung akan membahas training model di Google Colab, deployment model ke Raspberry Pi, optimization inference, computer vision pipeline dan integrasi hasil AI ke perangkat maupun server.

ELGA ARIS PRASTYO